首页期刊导航|电子学报
期刊信息/Journal information
电子学报
中国电子学会
电子学报

中国电子学会

王守觉

月刊

0372-2112

new@ejournal.org.cn;wanghui@ejournal.net.cn

010-68279116，68285082

100036

北京165信箱

电子学报/Journal Acta Electronica SinicaCSCD北大核心CSTPCDEI
查看更多>>1962年创刊，中国电子学会主办的高级学术月刊。刊登电子与信息及相关领域代表我国研究水平的最新科研成果和技术进展。本刊为中国自然科学核心期刊之一；科技部科技论文统计源期刊；中国科学引文数据库来源期刊。获2000年首届国家期刊奖以及2000年国家自然科学基金重点学术期刊专项基金资助。现被五个大型检索机构（Ei、Sci-Expanded、SA、苏联文摘杂志(рж)和日本科技文献速报）作为固定收录对象。
正式出版
收录年代

    基于动态分解和角度惩罚距离的高维多目标进化算法

    王旭健张峰干姚敏立
    2773-2785页
    查看更多>>摘要：多个领域的优化可归纳为高维多目标优化问题,高维多目标进化算法是解决此类问题的有效方法,然而该方法普遍存在收敛性和多样性较难平衡的问题.针对此问题,本文提出一种基于动态分解和角度惩罚距离的高维多目标进化算法.该算法基于动态分解将种群分成多个类,此过程无需预先设定参考向量,可根据种群自身分布信息进行分解.之后,基于改进的角度惩罚距离从每类中选择个体,从而平衡收敛性与多样性.此外,设计基于Pareto支配、拐点、m近邻角度三原则的锦标赛匹配选择机制.本文算法与9种高维多目标进化算法在27例高维多目标优化测试题上进行对比实验.实验结果表明,本文算法能有效解决不同类型的高维多目标优化问题,并且在不同目标个数上具有较好的稳定性.

    多目标优化高维多目标优化动态分解角度惩罚距离

      原文链接:
    • 万方数据
    • 维普

    一种融合节点变化信息的动态社区发现方法

    贺超波成其伟程俊伟刘星雨...
    2786-2798页
    查看更多>>摘要：动态社区发现旨在检测动态复杂网络中蕴含的社区结构,对于揭示网络的功能及演化模式具有重要研究价值.由于相邻时刻网络的社区结构具有平滑性,前一时刻网络的社区划分信息可以用于监督当前时刻网络的社区划分过程,但已有方法均难以有效提取这些信息来提高动态社区发现性能.针对该问题,提出一种融合节点变化信息的动态社区发现方法(Semi-supervised Nonnegative Matrix Factorization combining Node Change Information,NCI-SeN-MF).NCI-SeNMF首先采用k-core分析方法提取前一时刻社区网络的degeneracy-core,并选取degeneracy-core中的节点构造社区隶属先验信息,然后对相邻时刻网络的节点局部拓扑结构变化程度进行量化,并将其用于进一步修正社区隶属先验信息,最后通过半监督非负矩阵分解模型集成社区隶属先验信息进行动态社区发现.在多个人工合成动态网络和真实世界动态网络上进行大量对比实验,结果表明,NCI-SeNMF比现有动态社区发现方法在主要评价指标上至少提升了 4.8％.

    动态社区发现半监督非负矩阵分解k-core分析社区网络复杂网络

      原文链接:
    • 万方数据
    • 维普

    基于图注意力和改进Transformer的节点分类方法

    李鑫陆伟马召祎朱攀...
    2799-2810页
    查看更多>>摘要：当前,图Transformer主要在传统Transformer框架中附加辅助模块达到对图数据进行建模的目的.然而,此类方法并未改进Transformer原有体系结构,数据建模精度还有待进一步提高.基于此,本文提出一种基于图注意力和改进Transformer的节点分类方法.该方法构建基于拓扑特征增强的节点嵌入进行图结构强化学习,并且设计基于二级掩码的多头注意力机制对节点特征进行聚合及更新,最后引入归一前置及跳跃连接改进Transformer层间结构,避免节点特征趋同引起的过平滑问题.实验结果表明,相较于6类基线模型,该方法在不同性能指标上均可获得最优评估结果,且能同时兼顾小规模和中规模数据集的节点分类任务,实现分类性能的全面提升.

    节点分类图注意力网络Transformer二级掩码层间残差多头注意力

      原文链接:
    • 万方数据
    • 维普

    GAT-IL:一种基于图注意力网络与模仿学习的服务功能链部署方法

    范琪琳牛岳尹浩王天富...
    2811-2823页
    查看更多>>摘要：网络功能虚拟化通过将网络功能从专用硬件设备迁移到商用服务器上运行的软件中间盒中,简化了网络服务的配置和管理.在网络功能虚拟化的环境下,由一系列有序的虚拟网络功能组成的服务功能链正在成为承载网络服务的主流形式.将底层物理网络资源分配给服务功能链的需求称为服务功能链部署问题.对于基础设施提供商来说,在有限的资源条件下获得长期高回报是一个重要的挑战.本文形式化定义了服务功能链部署问题,提出了一种基于图注意力网络与模仿学习的服务功能链部署方法(Graph Attention Network and Imitation Learning,GAT-IL).该方法使用图注意力网络评估每个物理服务器的放置潜力,通过蒙特卡洛树搜索方法给出专家示范,并采用模仿学习方法进行智能体的训练,融入集束搜索策略优化解空间.大量的实验结果表明,本文提出的GAT-IL方法在平均收益代价比和接受率的性能指标上均优于现有代表性算法.

    网络功能虚拟化服务功能链图注意力网络模仿学习蒙特卡洛树搜索集束搜索

      原文链接:
    • 万方数据
    • 维普

    基于改进ConvMixer和动态焦点损失的视听情感识别

    师硕覃嘉俊于洋郝小可...
    2824-2835页
    查看更多>>摘要：视听双模态情感识别是情感计算领域的研究热点.目前情感识别方法存在无法同时提取视频局部和全局特征,多模态数据融合简单,损失函数在模型优化中无法关注错分样本等问题,导致情感识别结果精确度不高.本文提出一种基于改进的ConvMixer和动态权重焦点损失函数的视听情感识别方法.采用空间和时间邻接矩阵代替ConvMixer中的深度分离卷积,提取视频时域空域上的全局和局部特征.提出跨模态时间注意力模块,以对称结构捕捉模态间的时间相关性,提高特征融合效果.结合混淆矩阵计算具有动态权重的焦点损失函数,差异化地加大错分样本在损失中的占比,优化模型参数.在公开数据集上的实验结果表明,本文方法能提取到代表性特征,可有效优化网络结构,提高了情感识别的准确率.

    情感识别ConvMixer注意力机制多模态特征融合焦点损失函数

      原文链接:
    • 万方数据
    • 维普

    基于混合离散粒子群优化的控制模式分配算法

    曾裕钦蔡华洋周茹平刘耿耿...
    2836-2849页
    查看更多>>摘要：连续微流控生物芯片是生物化学实验自动化、微型化的革命性技术.多路复用器的控制模式分配作为连续微流控生物芯片自动化设计的关键环节之一,是难的NP(Non-deterministic Polynomial)优化问题.现有工作采用粒子群优化算法求解控制模式分配问题存在过早陷入局部最优解、收敛速度慢以及算法稳定性差的缺点.为此,本文提出一种连续微流控生物芯片下基于混合离散粒子群优化的控制模式分配算法.首先,为了加快算法收敛速度及避免过早陷入局部最优解,提出了离散的自适应区域搜索策略.其次,通过基于样例的社会学习机制提高了算法的稳定性.然后,采用等距抽值的方式筛选出自适应区域搜索策略中重要参数的最佳组合,以进一步提高分配方案的质量.最终实验结果表明,所提算法在多路复用器中阀门使用数量上平均优化了 19.01％,在算法稳定性上提高了 29.18％,且在现实的生化应用中有良好的性能表现.

    连续微流控生物芯片控制模式分配离散粒子群优化样例学习自适应区域搜索

      原文链接:
    • 万方数据
    • 维普

    基于RISC-V指令扩展方式的国密算法SM2、SM3和SM4的高效实现

    王明登严迎建郭朋飞张帆...
    2850-2865页
    查看更多>>摘要：基于指令扩展的密码算法实现是兼顾性能和面积的轻量级实现方式,特别适用于日益普及的物联网设备.SM2、SM3和SM4等国密算法有利于提高自主可控设备的安全性,但针对这些算法进行指令扩展的相关研究还不够充分.RISC-V由于其开源、简洁及可扩展等优点已成为业界最流行的指令集架构之一,本文主要基于国产开源RISC-V处理器对国密算法SM2、SM3和SM4进行指令扩展和高效实现.本文基于软硬件协同的理念提出总体指令的扩展方案.对相关密码算法进行深入分析和方案对比,分别设计了硬件单元,提出高效的实现方式.设计实现的协处理器具有2级流水线结构,顺序派遣、乱序执行和顺序写回的指令执行模式,以及独立内存访问单元和大位宽寄存器.协处理器统一接管了密码算法的部分控制逻辑,降低硬件资源消耗.实验结果表明,本文设计的密码协处理器硬件结构精简,资源利用率高.SM2、SM3和SM4算法占用资源少,但执行速率相比纯硬件有一定程度下降,资源面积和花费时间的乘积与其他相关文献相比有不同程度的优势.

    RISC-V协处理器国密算法指令扩展蜂鸟E203嵌入式系统

      原文链接:
    • 万方数据
    • 维普

    基于中心偏差估计和自适应间隔的人脸识别算法

    何志浩王浩曹文明何志权...
    2866-2877页
    查看更多>>摘要：损失函数的设计在深度人脸识别中至关重要.常见做法是给所有类别添加固定的间隔项,以修改类别间的决策边界,压缩类内特征间距,提高模型分离不同类别特征的能力.然而,为所有类别添加相同的间隔项可能会忽略人脸识别数据集内类别间的不一致性.为进一步提升模型效果,模型应依据类别的学习难易程度,对不同类别样本特征给予不同程度的关注.文中设计了基于类均值中心与类权重中心之间的偏差挖掘难类的方法,称之为中心偏差估计.本文提出的方法会根据中心偏差估计的程度,为不同类别自适应分配不同大小的间隔项.同时,为解决训练前期中心偏差计算不稳定问题,提出了动态变化的收敛参数,调整中心偏差估计的可信度,开展相关实验验证收敛参数的有效性.在人脸验证基准数据集中,本文提出的方法比基准方法的平均准确率提高了0.26％,达到96.62％.在2个大型人脸验证测试数据集上,在FPR等于0.01％时,提出方法的TPR分数分别提高了 0.58％和0.22％,获得88.47％和92.29％的实验结果,且多组实验结果表明提出的方法优于一般现有算法.实现代码参见https://github.com/TCCof-WANG/FR-Centers-Bias.

    深度人脸识别困难类别挖掘类别不平衡中心偏差估计自适应间隔

      原文链接:
    • 万方数据
    • 维普

    基于误差补偿的多模态协同交通流预测模型

    吴宇轩虞慧群范贵生
    2878-2890页
    查看更多>>摘要：交通流量因受周期性特征、突发状况等多重因素影响,现有模型的预测精度无法满足实际要求.对此,本文提出了基于误差补偿的多模态协同交通流预测模型(Multimodal Collaborative traffic flow prediction model based on Error Compensation,MCEC).针对传统预测模型不能兼顾时间序列和协变量的问题,提出基于小波分析的特征拓展方法,该方法引入聚类算法得到节假日标签特征,将拥堵指数、交通事故图、天气信息作为拓展特征,对特征进行多尺度分解.在训练阶段,为达到充分学习各部分数据、最优匹配模型的效果,采用差分整合移动平均自回归模型(Autoreg Ressive Integrated Moving Average Model,ARIMA)、长短期记忆神经网络(Long Short-Term Memory network,LSTM)、限制动态时间规整技术(Dynamic Time Warping,DTW)以及自注意力机制(Self-Attention),设计了多模态协同模型训练.在误差补偿阶段,将得到的相应过程值输入基于支持向量机回归(Support Vector Regression,SVR)的误差补偿模块,对各分量的误差进行学习、补偿,并重构得到预测结果.使用公开的高速公路数据集对MCEC进行验证,在多个时间间隔下对比实验结果表明,MCEC在交通流量预测中的平均绝对百分比误差(Mean Absolute Percentage Error,MAPE)达到17.02％,比 LSTM-SVR、ConvLSTM(Convolutional Long Short-Term Memory network)、ST-GCN(Spatial Temporal Graph Convolutional Networks)、MFFB(Multi-stream Feature Fusion Block)、Transformer 等预测模型具有更高的预测精度,MCEC模型具有较好的有效性与合理性.

    交通流预测误差补偿多模态协同长短期记忆神经网络差分整合移动平均自回归模型

      原文链接:
    • 万方数据
    • 维普

    基于弱标签争议的半自动分类数据标注方法

    李自强杨薇杨先凤罗林...
    2891-2899页
    查看更多>>摘要：当前,深度主动学习(Deep Active Learning,DAL)在分类数据标注工作中获得成功,但如何筛选出最能提升模型性能的样本仍是难题.本文提出基于弱标签争议的半自动分类数据标注方法(Dispute about Weak Label based Deep Active Learning,DWLDAL),迭代地筛选出模型难以区分的样本,交给人工进行准确标注.该方法包含伪标签生成器和弱标签生成器,伪标签生成器是在准确标注的数据集上训练而成,用于生成无标签数据的伪标签;弱标签生成器则是在带伪标签的随机子集上训练而成.弱标签生成器委员会决定哪些无标签数据最有争议,则交给人工标注.本文针对文本分类问题,在公开数据集IMDB(Internet Movie DataBase)A20NEWS(20NEWSgroup)和chn-senticorp(chnsenticorp_htl_all)上进行实验验证.从数据标注和分类任务的准确性2个角度,对3种不同投票决策方式进行评估.DWLDAL方法中数据标注的F1分数比现有方法Snuba分别提高30.22％、14.07％和2.57％,DWLDAL方法中分类任务的F1分数比Snuba分别提高1.01％、22.72％和4.83％.

    深度主动学习文本分类伪标签生成器弱标签生成器投票委员会

      原文链接:
    • 万方数据
    • 维普